每每涉及在适当时机向我们展示正确搜索结果之类的问题时，AI似乎常常无法读懂人们的想法，从高科技的人工智能跌落成人工智障。
但是，俄罗斯机器人研究公司Neurobotics Lab的工程师表明，确实可以训练AI学会“读心术”，并且仅凭脑电波就能以猜测出用户正在观看的视频。
“我们已经证明，观察不同内容的视觉场景会影响人的脑电波，因此我们可以通过分析相应的EEG(脑电图)信号来区分不同场景类别。”神经机器人实验室的工程师Anatoly Bobe说道，“然后，[我们]创建了一个系统，从脑电图信号特征重建图像。”
研究人员通过向人工智能展示不同物体的视频剪辑，以及观看者的脑电波记录，来训练它。这使深度学习神经网络可以学习人们在观看特定类型视频内容时，脑电波活动的常见特征。
然后，他们通过让测试对象戴上脑电图帽，观看一些视频片段，从摩托艇上的人到自然动物再到人类的表情，并记录他们的大脑活动来证明所构建的模型。234次尝试中，有210次AI能够对大脑活动进行分类和适当标记。
“它无法重建对象看到或想象的实际事物，只能重建某些相同类别的相关图像。”Bobe解释说。
Bobe说，Neurobotics Lab似乎是第一个研究小组证明可以从EEG信号获得视频刺激的方法。但是，它并不是第一个探索AI驱动的“读心术”技术的组织。过去，我们看到了许多相关的研究项目。
但是，其中许多都集中在fMRI分析而非脑电图上。去年，日本科学家就进行了一项研究，使用AI系统和fMRI扫描，从而创造出一个能读心的人工智能。
不过，会读心术的AI并不总是完全正确。在其中一项测试中，它认为参与者在看剪刀，而实际上他们在看钟。不过，即使是错误的，有时的结果也非常接近。例如，当一名被扫描的人看到一名男子在河里划皮划艇的图片时，人工智能就会配上这样的字幕:一名男子在冲浪板上冲浪。
在其他情况下，AI做到了完全正确的：当图像是一群人站在一起，或一个黑白狗，系统是绝对正确的。
这个系统目前有其局限性。fMRI的图像并不能记录大脑的所有活动，因此这些说明的详细程度是有界限的。这种方法还需要参与者躺在一个大型机器上，这使得它不适合在其它地方使用，只有在医疗设施。
所以，Bobe指出，“fMRI信号比脑电图包含更多的关于大脑过程的信息。”但是fMRI的一个缺点是，它需要大型且昂贵的设备，而这些设备只能在诊所找到。
由于其时间分辨率差，因此也难以获得实时结果。脑电图虽然较困难且可靠性较差，但更易于使用。这可能使其在实际的BCI(脑机接口)应用程序中更加实用。
“我们的系统可以用于例如中风后康复，当一个人需要锻炼自己的大脑以恢复其认知能力，或者需要通过EEG界面发送心理命令时。”Bobe说，“我们的系统充当训练系统，在该系统中，受试者可以进行训练以生成心理指令，并将重建后的图像用作自然反馈，以显示他在此任务上做得如何。”
与Bobe研究不同的是，此前，美国卡内基梅隆大学的科学家们声称，他们已向真正的“读心术”迈进了一步，利用算法来解码大脑信号，识别出更深层的思想，比如“年轻作家对编辑说了话”和“洪水损坏了医院”。
研究人员说，这项技术能够理解复杂的事件，比如句子，以及语义特征，比如人、地点和动作，从而预测人们正在思考的是什么。在测试了239个句子的心理触发器后，程序能够预测第240个短语，准确率高达87%。
对“读心术”的研究，人类一直是孜孜不倦。
今年夏天，特斯拉创始人埃隆•马斯克的公司Neuralink刚刚宣布，明年将推进可植入设备的人体试验，这种设备能读取用户的想法。
紧接着，加州大学旧金山分校的科学家们发布了一项由Facebook支持的大脑活动研究结果，该结果表明，使用脑波技术解码语音是可能的。
去年，日产推出了“大脑对汽车”(Brain-to-Vehicle)技术，该技术可以让汽车解读司机大脑发出的信号;而尼尔森已经在使用神经科学来捕捉消费者决策的无意识方面。
也许AI学会读心术能帮助一部分人，活着改善某些产品的用户体验，但真正到来的那天，可能更多是让人觉得毛骨悚然吧。毕竟，现在的算法推荐就已经够让人头疼的了。
